请教个表达式

lendy

apache 日志文件里面：

61.135.146.197 - - [01/Jan/2007:00:01:24 +0800] "GET /showthread-s_976f23920f3a78878825cf47eaf8f39b-t_5847.html
HTTP/1.1" 200 27340 "-" "Baiduspider+(+http://www.baidu.com/search/spider.htm)"
61.135.146.197 - - [01/Jan/2007:00:02:41 +0800] "GET /showthread-s_6519da1d0da354aba1b6ac26b1841f2f-t_6489-goto
_nextoldest.html HTTP/1.1" 200 28652 "-" "Baiduspider+(+http://www.baidu.com/search/spider.htm)"
220.181.19.189 - - [01/Jan/2007:00:02:50 +0800] "GET /showthread.php?t=5436&goto=nextoldest HTTP/1.1" 200 22979
"-" "sogou spider"

变成：
61.135.146.197 - - [01/Jan/2007:00:01:24 +0800] "GET /showthread-t_5847.html
HTTP/1.1" 200 27340 "-" "Baiduspider+(+http://www.baidu.com/search/spider.htm)"
61.135.146.197 - - [01/Jan/2007:00:02:41 +0800] "GET /showthread-t_6489-goto
_nextoldest.html HTTP/1.1" 200 28652 "-" "Baiduspider+(+http://www.baidu.com/search/spider.htm)"
220.181.19.189 - - [01/Jan/2007:00:02:50 +0800] "GET /showthread.php?t=5436&goto=nextoldest HTTP/1.1" 200 22979
"-" "sogou spider"



想把： -s_976f23920f3a78878825cf47eaf8f39b 等过滤掉
grep old.log   ......      > new.log
去掉里面的 -s_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
或者 s=xxxxxxxxxxxxxxxxxxxxxxx&
或者 ?s=xxxxxxxxxxxxxxxxxxxxxxx

谢谢！

[ 本帖最后由 lendy 于 2007-4-20 10:36 编辑 ]

davistar

试试

1. 
   
2. sed -r 's/(-|\?)?s(_|=)+[[:alnum:]]+(&)?//' urfile
   

复制代码

[ 本帖最后由 davistar 于 2007-4-20 10:59 编辑 ]

lendy

就去掉这个呢？
-s_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

一起有问题。

davistar

我这没事啊 贴出来看看

Edengundam

http的url里面参数中可能含有转义字符...%...不知道是不是因为这个特殊的符号影响了正则表达式...

lendy

这个

61.135.146.197 - - [01/Jan/2007:00:00:01 +0800] "GET /forumdisplay.php?s=4618ee6c4e479b2adedcecb7415e33ae&f=16
HTTP/1.1" 200 14018 "-" "Baiduspider+(+http://www.baidu.com/search/spider.htm)"

变成

61.135.146.197 - - [01/Jan/2007:00:00:01 +0800] "GET /forumdisplay.phpf=16 HTTP/1.1" 200 14018 "-" "Baiduspider
+(+http://www.baidu.com/search/spider.htm)"

应该是：
61.135.146.197 - - [01/Jan/2007:00:00:01 +0800] "GET /forumdisplay.php?f=16 HTTP/1.1" 200 14018 "-" "Baiduspider
+(+http://www.baidu.com/search/spider.htm)"

去掉的有点多了。

所以一个一个试试，会不会有问题。

davistar

遇到这个怎么去掉

1. 
   
2. ?s=4618ee6c4e479b2adedcecb7415e33ae&
   

复制代码

你没说明白啊

Edengundam

上面这个传递多了参数:
?s=4618ee6c4e479b2adedcecb7415e33ae& 变成 ?
用|写三个独立的好像简单些....

lendy

?s=4618ee6c4e479b2adedcecb7415e33ae&

去掉
s=4618ee6c4e479b2adedcecb7415e33ae&

如果后面没有&
如 ?s=4618ee6c4e479b2adedcecb7415e33ae
那都去掉

有点麻烦。所以就
去掉 -s_4618ee6c4e479b2adedcecb7415e33ae 算了，以上的太麻烦，还要判断。

lendy

我觉得也应该写3个，这样它可以一个一个下去。
如果是：-s_4618ee6c4e479b2adedcecb7415e33ae格式
先都去掉
然后是 ?s=4618ee6c4e479b2adedcecb7415e33ae& 格式
去掉 s=4618ee6c4e479b2adedcecb7415e33ae&
那么最后肯定只有： ?s=4618ee6c4e479b2adedcecb7415e33ae 格式的了。
那就去掉：?s=4618ee6c4e479b2adedcecb7415e33ae 就好了。